基于粒子群的混合算法求解函數(shù)優(yōu)化問題.pdf

1、群體智能是研究基于群體行為模型的計(jì)算建模和實(shí)現(xiàn)的方法.如今,群體智能已經(jīng)成為現(xiàn)代智能領(lǐng)域的主要研究熱點(diǎn),正日益受到更多人的關(guān)注和使用.隨著大量的、新的、高效的群體行為模型的建立,群體智能的方法將會(huì)在更多的實(shí)際問題中發(fā)揮它應(yīng)有的價(jià)值.
　　 本文系統(tǒng)全面地介紹了群體智能中的兩個(gè)典型范例,即粒子群優(yōu)化算法和人工魚群算法.這些方法通過“擬物”和“仿生”,為解決無約束非線性函數(shù)優(yōu)化計(jì)算提供了新的方法和途徑.
　　 通過對(duì)粒子群算

2、法的各參數(shù)進(jìn)行分析,首先提出了一種改進(jìn)的粒子群算法,該算法針對(duì)慣性權(quán)重和兩個(gè)學(xué)習(xí)因子進(jìn)行改進(jìn),同時(shí)為了增加粒子的多樣性引入了遺傳交叉因子,來提高算法的收斂性能.然后提出一種將改進(jìn)的粒子群算法與Powell算法結(jié)合的混合算法,該混合算法將改進(jìn)的粒子群算法所得結(jié)果作為Powell算法的初始解進(jìn)行局部尋優(yōu),改進(jìn)了粒子群算法后期收斂速度慢、精度不高的缺點(diǎn).通過對(duì)多個(gè)函數(shù)進(jìn)行測(cè)試,驗(yàn)證了本文算法在求解無約束非線性函數(shù)優(yōu)化問題時(shí)的有效性.